城市河流中，不同水质指标受水文输移、生物地球化学过程和气象条件的影响，其预测所需的信息类型与历史范围可能存在明显差异。RiverLens聚焦上游观测、历史序列与气象输入在水质预测中的作用，探究不同指标的信息需求，以及模型对输入信息的依赖能否转化为稳定的预测收益。

本研究基于上下游三个监测站的水质水文观测及气象资料，以溶解氧（DO）、氨氮（NH₃-N）、高锰酸盐指数（CODMn）和总磷（TP）为预测对象，采用4小时时间步长，重点考察4—24小时预测，并扩展分析至72小时。通过模型比较、上游信息消融、历史窗口对照和气象输入组合实验，结合重复训练与不同目标站点的对照，评价信息增益及其稳定性。

研究进一步结合置换分析与分组Kernel SHAP，区分输入信息的预测增益、模型依赖和变量归因贡献，为城市河流水质预测中的指标差异化输入配置与模型评价提供依据。

先比较模型及上游信息增量，再选择各指标的历史配置，检验气象输入的指标与站点差异，最后分别用置换和SHAP分析误差敏感性与预测归因。

所有入口位于experiments/，配置位于configs/。统一选择入口为run_study.py。

建议Python 3.11或3.12，源码最低声明为3.10。CPU本次检查环境与验证范围见验证记录。CUDA实验应优先复用已经验证过的原GPU环境，避免替换已有PyTorch。

在项目根目录的PowerShell中：

# 新建环境时使用；已有GPU环境可跳过这两行
py -3.11 -m venv .venv
.\.venv\Scripts\Activate.ps1

python -m pip install -e .
python scripts\audit_public_release.py
python -m unittest discover -s tests -v
python run_study.py --experiment 01 --mode run --dry-run

--dry-run仅显示命令，不访问数据，也不训练模型。单元测试将合成数据放入临时目录并自动清理；不需要研究观测文件。若PowerShell不允许激活，可直接使用.\.venv\Scripts\python.exe代替python。

数据文件由使用者在本地放入data/raw/。文件名、列名和时间规则见数据接口。整个数据目录及实验输出默认由.gitignore排除。

# 先审计、再小规模检查、最后正式运行；每次只选一个实验
python run_study.py --experiment 01 --mode audit
python run_study.py --experiment 01 --mode smoke
python run_study.py --experiment 01 --mode run

02—05可用相同格式；03预算诊断、06权重恢复及07依赖顺序见运行手册。已有结果无需为了上传GitHub重新训练。 保留原项目及其环境；本代码包应解压到一个新的独立目录。

• 研究设计与结果摘要
• 逐实验运行手册
• Windows建立GitHub仓库教程
• 数据与发布范围
• 源码来源与版本对应